日本大叔從零開始學Python,開發出了連雀巢都採用的人工智慧!(下)

 從零開始學Python開發人工智慧,50歲的他做到了!年齡絕對不是問題,你也可以!

本文為該系列的下篇，上篇請點此連結

 

與東大實驗室合作　研發出包裝喜好預測評估 AI

 

為了讓專案可以更好的步入軌道，坂元向屬於東京大學的山崎實驗室「求助」──他1.5 個月會與實驗室的副教授山崎俊彥開 1 次會。

坂元表示：「見面的時候山崎教授不只會教我編碼方面的知識，還會提出『有這樣、那樣的演算法，你為什麼不嘗試看看呢？』回去之後我會使用 Google 搜索相關的知識，於下一次開會時報告結果。坂元微笑著說：「教授把我當成他的學生一般照顧，感覺就像我在 50 歲時考上了東大一樣。」

在山崎教授的建議下，阪元的開發方向確定為「包裝設計喜好度評估預測 AI 服務」。

2020 年 6 月，坂元與東京大學山崎實驗室共同在當年的日本人工智慧學會上發表論文：《使用深度學習預測包裝設計的受青睞程度》（深層学習を用いたパッケージデザインの好意度予測）。

隨後，幾乎是由阪元個人所研發的「包裝設計評估 AI」終於開發完成。

這款 人工智慧  AI 可以將包裝設計的好感度以 5 分制評分，還可以直觀地看到消費者在包裝上著重於什麽地方、包裝設計方面的哪個部分會連結到喜好度等細節，整個分析過程只需要幾分鐘的時間。

 

_{▲ AI 可以在幾分鐘內為你的包裝設計評分。}

至於預測值的準確率，比較「問卷調查結果實測值」與「AI 計算的預測值」兩者之後，得到的結果，誤差低於 5 ％的結果高達七成以上，相關係數為 0.514。不同商品類別的準確率亦有些許落差，如啤酒、調味料、保養品等類別可得到很高準確率，甚至達實用階段。

 

被雀巢選中來決定新商品的包裝

 

2020 年 7 月 ，知名速溶咖啡公司雀巢宣布他們的新系列商品「雀巢咖啡黃金組合－大人的獎賞」（ネスカフェゴールドブレンド　大人のご褒美）的包裝，是採用 Plug 公司的「包裝設計評估 AI」所輔助完成的。

▲ 雀巢採用包裝評估 AI之產品。AI 以熱點圖的形式表達消費者最關注的地方。

雀巢表示，這次的新商品從口味、命名到包裝都十分精心考量，想帶給消費者豐富、優雅的印象，因而採用了最新的 AI 技術，來幫助他們確立出合適的包裝。

而坂元英樹所開發的人工智慧 AI 技術也正式成為商業應用服務，只要在官方網站上傳包裝設計的圖片，任何人都能進行測試，並且十張照片以內是免費的，目前已有超過兩百間公司登錄使用。

 

從 0 經驗的大叔，變成改變整個市場型態的推手

 

完全無經驗、已經年過半百的坂元英樹，從 0 開始學習 Python、自己寫Python程式，到邁入實用階段，最後，他或許會大幅改變行銷活動中費時的市場調查作業。

AI 服務的成本比一般的消費者問卷調查便宜許多，此外，以往的問卷調查大約要花上一個月才能得到結果，而這項新服務只要幾分鐘。既省錢又省時，不只市場調查型態，就連產品開發流程也可能徹底翻轉。

而坂元英樹的故事，或許也能給所有想踏入 AI 領域的初心者們一劑強心針。

相關文章:

AI 產業革命開始！為何 Python 成人工智慧必備語言？

研究所開始鋪路未來扎實的Python課程讓我錄取竹科工程師

進可攻·退可守的一技之長-Python課程結業後成功轉職工程師 ...

被日文系耽誤的工程師魂？ Python課程結業後的他，竟錄取全球百大企業！

Python程式碼可視化?工程師debug的好幫手!

2020年度精選十大Python函式庫(4)

入選2020年度Top10的那些Python函式 (3)

日本大叔從零開始學Python,開發出了連雀巢都採用的人工智慧!(上)

 從零開始學Python開發人工智慧,50歲的他做到了!年齡絕對不是問題,你也可以!

 

年過 50 歲的日本副社長自學 Python！寫出的 AI 還被雀巢採用

 

你也有轉職夢，想學 Python、當Python工程師或是設計人工智慧  AI 軟體，可是怕自己的背景、年齡、學經歷而不敢往前？

那這位已經日本的 50 歲「文科」副社長坂元英樹，從完全的外行人到運用Python研發出改變產業的 人工智慧 AI 應用的故事，肯定能激勵你！

 

一間市場研究x包裝設計公司，為什麼要自己研發 AI？

 

故事要從坂元英樹所任職的公司「Plug」（株式会社プラグ）說起。

Plug 是由一間從事市場研究的公司、與一間從事包裝設計的公司於2014年合併而來，當時只是員工數約 30 人的小公司，至今已有約 70 名員工。Plug 主要提供的服務為：透過市場調查來了解消費者對商品包裝的喜愛度、偏好度與購買相關度等資訊。

▲ Plug 是一間提供市場行銷調查和包裝設計開發業務的日本公司。

 

過去傳統做法是：當廠商需要決定最終要選擇 A 設計或 B 設計，Plug 便會調查數百個消費者的意見和想法，統計出哪個設計方案會讓消費者更有購買慾。

換句話說，大多數產品包裝都是由客觀的數據資料決定的。這表示 Plug 要做的是把「包裝美觀好看」這種主觀因素，轉化成「因為它在市場上會更受歡迎」這種可以明確量化的客觀因素。

▲ 市場調查重要的地方在於把市場接受度量化成具體數字。圖為日經雜誌（日経クロストレンド）委託 Plug 調查各品牌即食沖泡湯包的包裝設計、在市場上的喜愛排行。圖片來源：Plug 官方網站。

 

但在各種新興技術蓬勃發展的現代，有什麼更快、更好、更準確的方法，可以數字化出「包裝設計」有多少市場接受度呢？這個問題成為 Plug 急需解決的商業挑戰。

而 AI 正可以完美的解決這個問題，也是成為 Plug 副社長坂元英樹開始學習 Python 踏上 AI 之路的契機。

 

從完全不會到寫出程式　副社長一年花 1000 小時學習 AI

 

看到這裡，有人肯定會提出疑問：「就算公司需要 AI 技術，那為何不找外包公司就好了呢？身為管理職的副社長有需要自己跳下去學嗎？」

這個問題，坂元英樹接受日本自媒體「ITmedia NEWS」採訪時是這麼回答的：「委外的化一方面耗費成本，而且 know-how 會外流。」並表示：「實際上，我們在開發之初就試圖將其外包，但是坂元和同事因為遇到種種問題，最終轉向了內部生產。」

但是如果要由公司自己開發，研發人員又要從哪來呢？

綜合考量之後，坂元決定從最常被用於開發 AI 的程式語言──Python 開始學習。他笑稱：「這是我這輩子第一次接觸程式語言，當時的我甚至都不知道 for 語法是什麼。」

坂元踏出的第一步，就是報名了一間程式語言學校，並且設定好在家學習的目標：一年學習 1000 個小時。「如果我在工作日學習 2 個小時、週末學習 5 個小時，那麼一週就學習了 20 個小時，持續這樣做一年，我就能夠學習 1000 個小時了。」坂元英樹這樣表示。

▲　Plug 副社長坂元英樹。圖片來源：Plug官方網站。

 

他花兩個月時間掌握了 Python 的基本知識後，又報名了另一間專門教機器學習的學校。 坂元：「我過去從事過市場行銷調查員，對統計學有基本的知識，所以比較容易理解機器學習的概念，只是我一開始不知道如何用 code 來表達它。」

到此，這個還沒有雛型的「計畫」都還是在工作之餘進行的，雖然研發 AI 技術對公司來說舉足輕重，但還不確定能否將其轉變為正式的專案。

「當時的我下班後還是每週花 20 個小時在寫 AI 上，我的家人們因此說：『你滿腦子都是 AI！』」坂元笑稱：「也讓我覺得，或許比起管理職，當個 AI 工程師或許更是我的天職。」

時間來到坂元投入開發的五個月後，事情終於有了進展。他們開發了一個概念驗證（PoC）模型，原本該模型顯示設計的實際評價和人工智慧評價的相關性很低，只有 0.3 的低關聯度；但經過進一步的討論、研究後，終於把相關性提高到 0.5。

「這時我們確信，這個計畫可以成為公司內部的正式專案。」

 

本文為該系列的上篇，下篇請點此連結

 

相關文章:

AI 產業革命開始！為何 Python 成人工智慧必備語言？

研究所開始鋪路未來扎實的Python課程讓我錄取竹科工程師

進可攻·退可守的一技之長-Python課程結業後成功轉職工程師 ...

被日文系耽誤的工程師魂？ Python課程結業後的他，竟錄取全球百大企業！

Python程式碼可視化?工程師debug的好幫手!

2020年度精選十大Python函式庫(4)

入選2020年度Top10的那些Python函式 (3)

 

臉書靠十億張隨機圖像訓練人工智慧做自主學習!

人工智慧自監督式學習又創新境界!用十億張圖進行自主學習,訓練出超強圖像辨識!

 

FB出動IG十億張照片，訓練最強圖像識別AI「SEER」

這幾年來自監督式學習（self-supervised learning）的研究發展非常蓬勃，例如 2020 年 Google Brain 公開的「SimCLR」被認為是重要的里程碑。

但坐擁著全球最大影像資料庫之一 Instagram 的 Facebook 也不惶多讓，透過 Instagram 上超過 10 億張的公開照片，訓練出最新的自監督式學習模型「SEER」（SElf-supERvised），並宣稱 SEER 是目前在圖像識別測試之中，表現最優秀的   人工智慧  AI 。

何謂 AI 的自監督式學習是什麼？

機器學習中最廣泛使用的監督式學習（supervised learning），是由人給定標記好的資料，讓 人工智慧  AI 學習正確答案並作為推論根據。但是，這種方法依賴於人工事先標記，不僅要耗費大量時間、人力與資源，AI 也只能針對已標記的特徵來學習、完成特定範圍內的任務，如：語音轉文字、分類圖像、物件辨識等。

為了突破這些限制，自監督學習（Self-supervised Learning，SSL）就應運而生了。

自監督學習是觀察現有訓練資料中的任何部份來學習，透過預測來認識世界，而無需仰賴人工事先給定的標籤。

換而言之，自監督學習所訓練的 AI 模型，能藉由觀察過去與現在的訓練資料，來預測未來會發生的事。如 SEER 可以透過觀察未標記、未分類的 Instagram 照片，就辨識出照片中的物品或人物。

這讓許多人相信，AI 技術若要開創新局面，利用自監督式學習是最好的方式。Facebook AI 研究團隊也認為，AI 的未來在於不需依靠人類事先準備好的「教材」來學習如何識別物件，而是能直接從任何形式──如文字、圖片、聲音、影像等──的數據資料中學習。

奠基在 10 億張圖上的自監督 AI

SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型，與在線自監督學習演算法「SwAV」，來分析總量達 10 億張的隨機圖片。

SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型，與在線自監督學習演算法「SwAV」，來分析總量達 10 億張的隨機圖片。｜圖片來源：Facebook AI Blog

圖片來源：Facebook AI Blog

SwAV 能利用聚類分析（Cluster analysis）來快速分組具有相似視覺概念的圖片，再透過同組中圖片的相似性增進學習效能，讓訓練時間大幅減少。不過，要執行這樣的運算，SwAV 需要一個運行效率很高、又不會損失精確性的模型架構。

　　而能夠擴展到數十億、甚至數萬億個參數的 RegNet，正好完全符合這些需求。

Facebook AI Research 團隊對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果，表示SEER 的表現是最佳的｜圖片來源：Facebook AI Blog

圖片來源：Facebook AI Blog

而團隊也對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果，表示SEER 的表現是最佳的。

FB 最強圖像辨識 AI 「SEER」 的潛力

儘管 SEER 目前還只是一個研究項目，但 Facebook 官方表示其發展潛力相當廣泛，包括用於自動生成文字說明、對賣家於 FB Marketplace 上傳的商品圖片增加建議標題及類別、防止違反社群規則的內容在 FB 平台傳播等等。甚至若其動態影像預測的研究成熟後，可以用在預測自駕車周遭車輛的行駛軌跡，為自駕車技術增添一大助力。

並且，SEER 的成果也展現出，自監督式學習可以成為更加有效、準確且適應性強的電腦視覺模型。也許未來，自監督式學習能帶給 AI 領域更多爆炸性的突破。

相關文章:

你上傳圖片到 IG 的同時，其實也在幫 FB 訓練人工智慧！

2021最適合工作的科技公司排行榜：NVIDIA第一、Google第三，蘋果連前十名都無？

Facebook 開源 Python 語言的安全與隱私工具 Pysa

人工智慧打造「精準農業」種出完美蔬菜、進行牛臉辨識

有了AR感測器,隔空操縱不是夢!(上)

人工智慧製作動態照片超有趣!

想轉職成為工程師嗎?上Python課程就對了!

人工智慧預測天氣,更勝氣象站預報!

 有了人工智慧,手機就是超準氣象台!精準度超高!

人工智慧、IoT導入，手機就是精準氣象台！

你是不是覺得似乎氣象的預報系統好像不很準？

過去科學家透過蒐集各種氣象資料，分析氣壓、鋒面等天氣系統，建立出能運算大氣中空氣流動的數學模型，試圖掌握、預測天地間的風雲變化。然而氣象觀測的微小誤差會造成氣象預測的不確定性，而且隨著時間演進，預測的差異也會越大。

為了改善這些問題，美國一家智慧氣象科技公司「Tomorrow.io」採用人工智慧、大數據與物聯網 IoT 技術，讓每一隻手機都能變身氣象觀測站，希望能提供比傳統氣象機構更準確的預報。

「鬼門關前走一遭」促使退役空軍打造超精準預測

雖然現今社會已不需完全看天吃飯、被氣候左右命脈，但天氣的變化依然會對現代人的生活造成劇烈的影響。

美國氣象科技公司 Tomorrow.io 打造「精準氣象預報」的初衷，就是來自於三位共同創辦人 Shimon Elkabetz、Rei Goffer 與 Itai Zlotnik 於故鄉以色列服役時，因為天氣造成的瀕死經歷。

他們三人在軍中時都曾遭遇過突如其來的濃霧或大雨，不僅會影響能見度，更可能會危及性命。Shimon Elkabetz 曾在以色列空軍服役，一次飛行任務因為氣象預測沒能提前預警，讓他飛進能見度極低的雲層之中，飛機差點就失去控制。安全返航後，他心想：「真該有人來改進現在這種粗糙的天氣預報。」因此，他們開始思考能更準確地預測天氣的方法。

透過人工智慧，人人都能用手機監測天氣

經過了許多相關研究後，他們認為，若要改善天氣預報的準確度，必須要讓現今的觀測儀器及方法有所突破。

目前大多數的氣象觀測儀器，如地面觀測站、高空觀測站、氣象雷達、氣象衛星及海上浮標等，目前全球約有 22,100 個氣象觀測據點，都是 50 多年前推出的。

那麼要如何才能大量新建、擴充觀測據點，又不需另外付出巨額費用呢？

三人想到了人手一隻、數以億計的手機、筆記型電腦等物聯網（IoT）裝置，與利用它們來監測天氣模式的可能性。

例如：手機訊號品質會受到空氣中的溫度、濕度的變化而受到影響，如下雨的時候訊號會特別差，Tomorrow.io 便與電信公司合作，偵測手機基地台與用戶手機之間連接的訊號品質，除了能藉此推算出該區域的天氣，藉由 人工智慧 AI 分析這些訊號及天氣變化的資料後，即可用於預測天候，甚至可以預測哪些地方會出現降雨、歷時多久和雨量大小等資訊。

除此之外，也能藉由路邊道路監視器畫面的明亮程度判斷雲層厚度；具有車聯網功能的車輛亦能藉由駕駛打開雨刷或霧燈、回傳當地正在下雪或下雨的訊號。

 

▲ Tomorrow.io 官方介紹影片。

 

精準度高出同業6成被納入軍用，未來可望發射衛星⋯⋯

這些新穎的預測方式成效十分良好，Tomorrow.io 稱他們的服務能精準到區分不同條街道天氣的細微差異、以分鐘為單位更新預報，並且比同領域的競爭對手準確度高出 60%。使用者遍布政府機關及民間企業，例如美國空軍、數間航空公司、Google、Uber、Intel、Amazon 雲端服務及 Fox 體育台等等。

但他們並不滿足於此，團隊正準備發射一組配備小型雷達的天氣衛星，以增進他們的監測及預測天氣能力。Tomorrow.io 表示：「這是氣象產業歷史上的頭一遭，氣象雷達的覆蓋範圍將遍布全世界。」

Tomorrow.io 在 2021 年 4 月宣布他們在 D 輪融資中獲得了 7700 萬美元，並表示將利用這筆資金加速其 SaaS（Software as a Service，軟體即服務）的開發，並將繼續專注於增進人工智慧 AI 與機器學習技術。

相關文章:

你上傳圖片到 IG 的同時，其實也在幫 FB 訓練人工智慧！

2021最適合工作的科技公司排行榜：NVIDIA第一、Google第三，蘋果連前十名都無？

Facebook 開源 Python 語言的安全與隱私工具 Pysa

人工智慧打造「精準農業」種出完美蔬菜、進行牛臉辨識

有了AR感測器,隔空操縱不是夢!(上)

人工智慧製作動態照片超有趣!

想轉職成為工程師嗎?上Python課程就對了!

人工智慧監控,種出超完美蔬菜,養出超健康的牛! (下)

在人工智慧的監控下, 不僅能夠打造完美蔬菜園,種出超完美蔬菜, 還能辨識牛臉養出許多頭好壯壯的牛呢!

 

本文為該系列的下篇，上篇（關於 Google 棄 Cookie 改用機器學習追蹤的新聞,Cookie 的解釋以及 AI 如何保護隱私）請點此連結

 

照顧動物有新招　連接衛星的智慧名牌、牛臉 AI 辨識

圖片來源：Ceres Tag 官網。

除了農業之外，世界各地的畜牧業亦走入智慧化，也有很多科技公司開始研發畜產監控技術。位於澳洲昆士蘭的 Ceres Tag，就是專門製作給動物配戴的「智慧名牌」、方便追蹤管理的公司。

昆士蘭州的總面積達 170 萬平方公里，其中超過 80% 都用作為放牧地，如何讓牧場人員能即時管理、照護廣闊牧場上成群的動物，如牛隻走失、生病或母牛生產等，就成了極需解決的問題。

Ceres Tag 研發出能讓牛、羊、豬等動物別在耳上的電子標籤，被稱為「電子耳標」，僅由太陽能就能運作，並與衛星連結，將牛隻的即時狀況回傳給牧場人員。

包括監測追蹤動物的移動、即時健康資訊、體重變化、動物隻數等，甚至能遠端監測牛隻反芻的程度，搭載的 GPS 技術也能告訴牧場人員每隻動物所處的位置，亦能確保牠們的夜間安全。

而所有通過衛星接受的資料數據，都會儲存在雲端數據平台中，Ceres Tag 也提供進一步分析數據資料的服務，提供牧場人員參考。

除了讓牛隻配戴智慧名牌，中國一家科技公司 Beijing Unitrace Tech 也透過建立「牛臉辨識系統」，協助畜牧業者即時追蹤家畜狀況。

圖片來源：華盛頓郵報。

Beijing Unitrace Tech 藉由每隻牛臉部輪廓和斑紋形狀的不同，建立出牛隻專屬的人工智慧辨識系統，並與飼主裝在飼料槽或擠奶站的監視器連線，就能即時獲得家畜的健康、體重、妊娠等不同狀況。

創辦人趙金石在接受美國《華盛頓郵報》採訪時表示：「我們可以知道特定的牛隻喝了多少水、吃多少東西，以及一天有多少時間進食。」他解釋，當家畜從戶外圈養處走進擠奶站的通道時，人工智慧系統能偵測出家畜不適的徵兆，或不尋常的行為模式，飼主就能立即進行處理。

「這系統非常厲害，能夠讓工作變得輕鬆許多，我能隨時掌握牠們的體重。」中國河北省一處農田管理人何葉告訴《華盛頓郵報》，若所養的牛隻出現病症或其他問題，他的手機也會立刻收到通知。

AI 或成農牧業轉型關鍵

俗話說「民以食為天」，其實不只上述案例，世界各國為了解決糧食問題都在關注農牧產業的轉型，與智慧農牧業的應用。

智慧農業應用的範圍十分廣泛，舉凡日照、溫度和濕度等的遠端數據監控，農作物的生長監測、採摘機器人，甚至到病蟲害防治以及 3D 植被檢測等，都算在其範疇。

不過，無論是哪種應用方式，相關數據收集、分析與 AI 人工智慧技術十分重要，在產、官、學、研各界都努力培育與投入各類 AI 人工智慧人才的現況下，相信未來能藉由科技的力量，不再「粒粒皆辛苦」了。

相關文章:

AI 產業革命開始！為何 Python 成人工智慧必備語言？

我的AI家人中，4個人工智慧暴躁阿公唱情歌、憂鬱阿嬤笑了！

人工智慧讓已故親人「復活」與你聊天互動

AI工作久了也會累？研究證實：人工智慧也需要睡覺

三款人工智慧讓你保持好氣色!

人工智慧新冠疫情預測精準度超高!(上)

人工智慧醫療將有助於預防疾病!

  

人工智慧監控,種出超完美蔬菜,養出超健康的牛!(上)

在人工智慧的監控下, 不僅能夠打造完美蔬菜園,種出超完美蔬菜, 還能辨識牛臉養出許多頭好壯壯的牛呢!

電腦不只會撿土豆？人工智慧打造「精準農業」種出完美蔬菜、進行牛臉辨識…

人工智慧可以做到多少事情？這幾年來，世界各地的農牧畜產業也吹起「AI 風」，將 IoT 物聯網技術、ICT 資通訊技術與 AI 人工智慧技術等導入農、牧場經營產業，不但能降低經營成本、增加收益，還有助於減輕對環境造成的衝擊。

最重要的是，還能針對不同作物給予最適合的種植決策與處理，種出最青翠可口的蔬菜；畜養的牛羊豬等動物，也能透過高科技裝備得到最完善、人道的照顧。

而這種將高科技技術應用在農業上的形式，被稱為「精準農業」（precision farming）。

圖片來源：BoomGrow Farms 官網

糧食短缺＋疫情衝擊　智慧型農業市場規模將達 112 億美元

根據全球性市場調查公司 Marketsand Markets 調查，2017 年至 2022 年智慧型農業市場的複合年成長率可達到 13.23%，市場規模達到 112 億 3000 萬美元。而且在這次產業調查中，近8成業者表示前景樂觀。

市場需求大幅成長的原因，一方面是全球人口不斷增長，糧食需求也面臨倍增的壓力；另一方面也因為 2020 年的疫情衝擊，將原本食物供應鏈的脆弱之處展露無疑。

而在智慧農業市場之中，「精準農業」為其中規模最大的類型，也帶動相關技術的發展，如：農機具設備自動化、農作物遙感監測與建立農作決策 AI 系統（監控環境溫、濕度、水足跡、疾病蟲害等）等，發展出各種新模式。

由人工智慧監控的完美農園

為了讓有限的可種植土地發揮最大效益，美國農業新創公司 Plenty 開發了高聳的「垂直農場」。

Plenty 官方表示，他們的理念是「花更少成本得到更多的食物」。與傳統農場相比，Plenty 使用的土地面積減少了 99％。

圖片來源：Plenty 官網

除了將種植方式垂直化，Plenty 亦利用數據分析技術尋找出適宜作物生長的環境，並輔以機器學習調整人造光線、溫度、濕度等，為植物創造最理想的環境，減低天然氣候與災害的影響。

除此之外，Plenty 也表示他們所有的作物都不會使用漂白劑、殺蟲劑，也不使用轉基因技術，為大眾提供最天然的蔬菜。

而在地球另一端的馬來西亞，也有一家農業科技新創公司 BoomGrow Farms，運用人工智慧技術打造完美溫室。

圖片來源：BoomGrow Farms 官網。

BoomGrow Farms 的研發團隊匯聚了永續發展研究博士、農藝師、軟體工程師及建築工程師，成立的初衷在於「對自己吃的食物建立起信任」。

BoomGrow Farms 將「農場」設計成模塊化的系統貨架，人工智慧可以根據不同的需求靈活地擴大、縮小規模。

這些一個個「農場」都連接 5G，並用機器學習感知技術模擬理想生長環境，人工智慧實時偵測作物的任何狀態──從葉片的顏色變化，到蔬菜內含多少硝酸鹽成分，通通都不放過。與傳統農業相比，BoomGrow Farms 的農作物週期更快、更頻繁，也能收集到更多的資料數據。

目前 BoomGrow Farms 一年的蔬菜產量超過 5 萬公斤，而一個堆疊 5 層、33 平方公尺的垂直農場年產量，約能等同 4000 平方公尺傳統室外農場的年產量。

本文為該系列的上篇，下篇（關於畜牧業的「牛臉辨識」與「電子耳標」）請點此連結

相關文章:

AI 產業革命開始！為何 Python 成人工智慧必備語言？

我的AI家人中，4個人工智慧暴躁阿公唱情歌、憂鬱阿嬤笑了！

人工智慧讓已故親人「復活」與你聊天互動

AI工作久了也會累？研究證實：人工智慧也需要睡覺

三款人工智慧讓你保持好氣色!

人工智慧新冠疫情預測精準度超高!(上)

人工智慧醫療將有助於預防疾病!

JavaScript法寶-遞增,遞減運算子

JavaScript的法寶有哪些呢?還不知道遞增,遞減的運算子嗎?這就一起來了解一下吧!

JavaScript 的運算子「遞增（++）」和「遞減（–）」能對指定的數值進行「加1（遞增）」與「減 1（遞減）」的運算。

遞增運算子（++）

JavaScript 遞增運算子可以對數值進行「加1（遞增）」的運算。當放在運算元前方，就會先執行運算，因此得到的值是遞增過的值；若配置於後方則是先取值後運算，會先得到運算元本身的值後才加 1。如以下例子：

    var x = 10,y = 10;
    var a = ++x,b = y++;

    console.log(a,x);
    console.log(b,y);

前置運算會先完成遞增運算後再設值。因此 x 完成遞增運算結果為 11 後，再設值給變數 a。因此 a 的值為 11、x 的值也為 11；而後置運算會先設值後再完成遞增運算。因此 y 會先設值給 b 原本的值 10，再完成遞增運算。因此 b 的值為 10、x 的值為 11。

遞減運算子（–）

JavaScript 遞減運算子能對數值進行「減1（遞減）」的運算。當置於運算元前方，就會先執行運算，因此得到的值是遞減過的值；若配置於後方則是先取值後運算，會先得到運算元本身的值後才進行遞減運算。如以下例子：

    var x = 10,y = 10;
    var a = --x,b = y--;

    console.log(a,x);
    console.log(b,y);

前置運算會先完成遞減運算後再設值。因此 x 完成遞減運算結果為 9 後，再設值給變數 a。因此 a 的值為 9、x 的值也為 9；而後置運算會先設值後再完成遞增運算。因此 y 會先設值給 b 原本的值 10，再完成遞增運算。因此 b 的值為 10、x 的值為 9。

相關文章:

網站核心指標5月將成SEO排名因素!LCP,FID,CLS詳解與優化方式

SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準

SEO快訊-Google 搜尋可能會更少顯示「精選摘要」

SEM快訊-Google Ads將於四月停用展示型購物廣告

Google全新搜尋功能竟讓SEO更複雜了!?

SEO法寶-關鍵字分類篇

SEO小教室開課中-冷門的長尾關鍵字篇

 

SEO法寶-關鍵字挑選五大步驟

SEO的法寶有哪些呢?關鍵字挑選當然是關鍵中的關鍵囉!五大步驟跟著做，就萬無一失啦!

在「SEO法寶-關鍵字分類篇 」有提到要依照網站的性質，挑選合適類別的關鍵字來優化：例如電商網站就優化電商型的關鍵字；內容型網站就優化內容型的關鍵字。要如何搜集關鍵字並從其中來選出適合的，本篇會說明。

挑選關鍵字的原則

SEO 挑選關鍵字的首要原則是此字必須與公司的產品/服務有關聯，且是要有搜尋量的。另外，電商網站最好挑選電商型關鍵字操作、內容型網站/blog 就優化內容型關鍵字，也別花時間在優化其他廠商的導航型關鍵字上。以下簡介關鍵字挑選的五步驟：

第一步、從消費者需求出發，發想、分類關鍵字

消費者會搜尋一個關鍵字，代表他有這方面的需要（廢話）。例如會搜尋「洗衣機」、「滾筒洗衣機」、「變頻洗衣機」等字的人，就代表他有「顯性」的購買需求（洗衣機）。但是也有另一群有相同購買需求的人會以心中的潛在需求（例如心中的疑問、或是選購問題等）來搜尋，像是「洗脫烘」、「衣服打結」、「洗衣機變頻好還是定頻好」等關鍵字來搜尋。SEO 在規劃網頁時，就能依據產生關鍵字行為是基於「顯性需求」還是「潛在需求」來配置網頁：

如上述的「洗衣機」例子，若是基於「潛在需求」而產生的關鍵字（如「洗脫烘」、「衣服打結」、「噪音」、「省水」等字詞）就可配置出類似心理測驗的箭頭圖表網頁：使用箭頭圖表或問卷的模式，請消費者選出買洗衣機時的疑慮，最後幫助消費者解決問題、選到最合適的洗衣機種類，順便曝光產品。

若是基於「顯性需求」而產生的關鍵字（如「滾筒洗衣機」、「直立式洗衣機」、「定頻洗衣機」、「變頻洗衣機」等字詞），就單純以產品介紹頁為優化目標即可。

第二步、參考 Google 搜集關鍵字

除了依據使用者的搜尋意圖來發想關鍵字之外，SEO 還可以參考 Google 搜尋框與相關搜尋的建議（如下圖）來搜集關鍵字。假如過去曾經投過 Google 關鍵字廣告，也可參考過去的曝光數來搜集關鍵字。

SEO 可參考 Google 搜尋框與相關搜尋的建議、CPC 廣告的曝光數來搜集關鍵字

第三步、使用付費 SEO 工具來查找競品關鍵字（可省略）

「知己知彼，百戰百勝」。若預算充足，也許可以購買付費的 SEO 工具，如 Ahrefs 與 SimilarWeb 等工具，只要輸入競爭對手的 URL 即可得知他們有針對哪些關鍵字做優化，挑選合適的關鍵字列入自己的關鍵字口袋名單吧！

SEO 工具 SimilarWeb 擁有分析競爭對手網站所優化的關鍵字的功能（取自 SimilarWeb 官網）

第四步、檢查關鍵字的搜尋量

若沒有預算，可以使用如免費版 SEO 工具的 Ubersuggest 來查找單個關鍵字的月均搜尋量，不過請記得在「Language / Location」的欄位選擇你的網站要曝光的語言 / 地區。而付費的 SEO 工具如 Ahrefs、SEMrush 等可以查找的關鍵字又更多！（注意：不同廠牌工具的數據都不盡相同）

使用 SEO 工具 Ubersuggest 免費版來查找單個關鍵字的月均搜尋量

此目的是讓你從口袋名單中先剔除掉月均搜尋量過少、甚至是零的關鍵字，以免你花時間在一個幾乎沒有人搜尋的關鍵字上。

注意：任何工具提供的數據均為預估值。假如你要操作的關鍵字搜尋量為 1000，實際你會獲得的流量不會是 1000。搜尋量只做為參考用，目的是比較關鍵字月搜尋量的相對高低。

第五步、定期確認當下排名

SEO 把前四個步驟所搜集、精選出的關鍵字做優化。過了一段時間（如一個禮拜）後可驗證目標網頁在該關鍵字上的排名，並針對表現較不好的關鍵字做優化。對於筆者來說，只要是排名在第 11-50 名內的頁面，都還有優化的空間。

至於查詢平均排名的 SEO 工具，筆者首推 Ahrefs — 不但能看出月均排名，也可直接得知此關鍵字的月均流量。倘若預算有限的話，可以選擇免費的 Google Search Console。關於如何提交自己的網站至 Google Search Console，於下一章會有圖解說明。

相關文章:

網站核心指標5月將成SEO排名因素!LCP,FID,CLS詳解與優化方式

SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準

SEO快訊-Google 搜尋可能會更少顯示「精選摘要」

SEM快訊-Google Ads將於四月停用展示型購物廣告

Google全新搜尋功能竟讓SEO更複雜了!?

SEO法寶-關鍵字分類篇

SEO小教室開課中-冷門的長尾關鍵字篇